彭晏飞，高 艺，杜婷婷，桑 雨，訾玲玲

辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105

1 引言

图像超分辨率问题，特别是单图像超分辨率，近年来受到越来越多的关注，已成为一个研究的热点问题。单图像超分辨率是一个病态的求逆问题，目标是从一幅低分辨率的图像中恢复出具有更多纹理细节和高频信息的高分辨率图像，在卫星成像[1]、监控设备[2]、遥感影像[3]、医学成像[4]等许多现实领域中都有广泛的应用。

图像超分辨率重建主要有：基于插值的[5]、基于重建的[6]和基于学习的[7]三种方法。基于插值的超分辨率方法实现简单，重建速度快，但同时也存在依赖自然图像的先验知识，使重建图像细节较差的缺点。基于重建的超分辨率根据已有的退化模型，通过提取低分辨率图像中的关键信息，并结合对未知的超分辨率图像的先验知识来约束超分辨率图像的生成。由于所获得的先验知识有限，因此如果遇到复杂的图像所重建出的图像性能也有限。基于学习的超分辨率利用大量的训练数据，通过训练建立低分辨率与高分辨率的映射关系，根据学习到的先验信息从低分辨率图像中重建出高分辨率图像。相比其他方法，基于学习的方法可以利用学习到的先验知识来预估对应的高分辨率图像，重建图像质量高，目前已成为主流的重建方法。

近年来，随着深度学习在计算机视觉的成功应用，深度神经网络受到了广泛关注，其影响力也已扩展到图像超分辨率领域，使用基于卷积神经网络的图像超分辨率，其质量大大改善。……